SKRIPSI DIGITAL
Analisis Sentimen pada Big Data Kasus Stunting di Indonesia (Tahun 2019-2024) = Sentiment Analysis on Big Data of Stunting Cases in Indonesia (2019-2024)
Stunting merupakan masalah gizi kronis yang menjadi perhatian serius di Indonesia. Analisis sentimen terhadap opini dan pernyataan publik mengenai stunting dapat memberikan wawasan berharga bagi pengambil keputusan dan pihak terkait. Penelitian ini bertujuan untuk membandingkan performa empat model Machine Learning (SVM, Bi-LSTM, IndoBERT, dan IndoRoBERTa) dalam mengklasifikasikan sentimen teks terkait stunting di Indonesia. Data dikumpulkan dari media sosial (Twitter dan YouTube) serta berita daring (Detik.com dan CNN Indonesia) selama periode 2019-2024. Setelah pra-pemrosesan dan pelabelan sentimen, data dibagi menjadi dua dataset: media sosial dan berita daring. Hasil penelitian menunjukkan bahwa IndoRoBERTa mencapai akurasi tertinggi sebesar 87.4% dan rata-rata F1-Score sebesar 83% pada dataset media sosial, sedangkan IndoBERT unggul pada dataset berita daring dengan akurasi 89.5% dan rata-rata F1-Score sebesar 78%. Perbedaan performa ini disebabkan oleh karakteristik data yang berbeda antara kedua sumber. Analisis sentimen mengungkapkan bahwa sentimen negatif mendominasi di media sosial, sementara sentimen netral lebih banyak ditemukan di berita daring. Penelitian ini memberikan kontribusi dalam pengembangan model klasifikasi sentimen untuk teks bahasa Indonesia, khususnya dalam konteks isu stunting.
Kata Kunci: Analisis sentimen, Stunting, Machine Learning, Media Sosial, Berita Daring
No other version available
Computer Science, Information & General Works 
Philosophy & Psychology 
Religion 
Social Sciences 
Language 
Pure Science 
Applied Sciences 
Art & Recreation 
Literature 
History & Geography